比较与torch.nn.Softmin的功能差异

torch.nn.Softmin

torch.nn.Softmin(
    dim=None
)

更多内容详见torch.nn.Softmin。

mindspore.nn.Softmin

class mindspore.nn.Softmin(
    axis=-1
)

更多内容详见mindspore.nn.Softmin。

差异对比

PyTorch：支持使用dim参数实例化，将指定维度元素缩放到[0, 1]之间并且总和为1，默认值：None。

MindSpore：支持使用 axis参数实例化，将指定维度元素缩放到[0, 1]之间并且总和为1，默认值：-1。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	dim	axis	功能一致，参数名不同

代码示例

import mindspore as ms
import mindspore.ops as ops
import mindspore.nn as nn
import torch
import torch.nn.functional as F
import numpy as np

# MindSpore
x = ms.Tensor(np.array([1, 2, 3, 4, 5]), ms.float32)
softmin = nn.Softmin()
output1 = softmin(x)
print(output1)
# Out:
# [0.6364086 0.23412167 0.08612854 0.03168492 0.01165623]
x = ms.Tensor(np.array([[1, 2, 3, 4, 5], [5, 4, 3, 2, 1]]), ms.float32)
softmin == nn.Softmin(axis=0)
output2 = softmin(x)
print(output2)
# out:
# [[0.98201376 0.880797   0.5        0.11920292 0.01798621]
#  [0.01798621 0.11920292 0.5        0.880797   0.98201376]]

# PyTorch
input = torch.tensor(np.array([1.0, 2.0, 3.0, 4.0, 5.0]))
output3 = F.softmin(input, dim=0)
print(output3)
# Out:
# tensor([0.6364, 0.2341, 0.0861, 0.0317, 0.0117], dtype=torch.float64)